OpenAI GPT–6 Astra quebra mensagem Enigma que resistia à solução desde 2005
Um modelo experimental da OpenAI, GPT‑6 “Astra”, foi usado para quebrar uma cifra Enigma da Segunda Guerra Mundial que resistia à decriptação desde 2005, provocando debate sobre o quão impressionante o feito realmente é. Comentadores discutem se isso é progresso genuíno em criptoanálise assistida por IA ou principalmente uma manobra de publicidade baseada em ferramentas existentes, direção humana e enorme capacidade de computação, com alguns apontando que outros modelos modernos provavelmente conseguem fazer o mesmo. A troca se amplia para questões sobre a capacidade da IA de enfrentar problemas realmente novos, seu impacto sobre a expertise e o status humanos e se os avanços atuais representam uma mudança transformadora ou uma bolha supervalorizada.
Significado percebido da quebra
- Alguns veem isso principalmente como PR: um problema recreativo obscuro, provavelmente solucionável com computação suficiente e técnicas existentes, não um grande avanço científico.
- Outros argumentam que é genuinamente impressionante: essa mensagem específica resistiu a especialistas por ~20 anos; ter um LLM escolhendo-a autonomamente, construindo ferramentas e quebrando-a é um forte sinal de capacidade.
- Várias pessoas reclamam de “movimento de metas”: sempre que modelos fazem algo novo, críticos declaram que aquilo não é importante ou “não é inteligência de verdade”.
Como a mensagem foi quebrada (segundo a discussão)
- A mensagem Enigma era incomum: chave diferente de outro tráfego, erros de transcrição e uma rara inversão do rotor esquerdo por volta do caractere 72, o que quebra atalhos padrão baseados em crib e força mais busca por força bruta.
- Astra supostamente:
- Escolheu essa mensagem específica não resolvida como “promissora”.
- Notou uma mensagem relacionada e usou o nome de lugar repetido “ROSENOW ROSENOW” como crib.
- Escreveu simuladores de Enigma e da bombe (Python/C++), depois pesquisou o espaço de chaves até uma plaintext com aparência alemã ser validada por recriptografia.
Contribuição humana vs IA
- O artigo afirma que Astra fez a criptoanálise “inteiramente por conta própria” depois de ser instruída apenas a tentar mensagens não resolvidas em um site específico.
- Alguns leitores ainda descrevem isso como “colaboração” humano-IA ou uso de ferramentas; outros dizem que isso exagera o papel humano aqui.
- Debate sobre crédito: a conquista é principalmente do modelo, do autor do prompt, ou da criptoanálise humana anterior codificada nos dados de treinamento?
Reproduções e outros modelos
- Um comentarista “decodificou” por engano o alemão já decriptado; outros apontaram o erro.
- Um experimento posterior com Gemini 3.8 (com ferramentas/agentes) supostamente reproduziu uma quebra completa em ~45 minutos ao descobrir código Enigma de código aberto, compilá-lo e executar buscas amplas no espaço de chaves.
- Isso é usado para argumentar que Astra não é exclusivamente capaz; modelos de fronteira semelhantes com uso de ferramentas provavelmente conseguem fazer o mesmo.
Capacidades, criatividade e limites da IA
- Longo subthread sobre se isso mostra resolução genuína de problemas versus mera correspondência de padrões sobre trabalho humano:
- Lado pró-IA: correspondência de padrões faz parte da inteligência; construir ferramentas e escolher estratégias a partir de texto não é trivial.
- Lado cético: modelos estão recombinando métodos conhecidos a partir de dados de treinamento; carecem de “imaginação” ou modelos de mundo, e têm dificuldade em problemas realmente novos.
- Debate filosófico relacionado: inteligência vs consciência, se a inteligência humana ainda é “especial”, e reações emocionais a se sentir intelectualmente deslocado.
Implicações para criptografia
- Vários observam que quebrar cifras históricas fracas é muito diferente de quebrar criptografia simétrica moderna ou de chave pública; não há evidência de que LLMs atuais ameacem criptografia forte.
- Alguns especulam que LLMs podem eventualmente projetar nova criptografia, mas enfatizam que projetar esquemas seguros é muito mais difícil do que atacar os quebrados e que a automação completa exigiria ciclos de validação iterativa confiáveis.
Hype, modelos de negócio e impacto social
- Muitos veem isso como parte de um padrão de laboratórios de IA perseguindo façanhas amigáveis à mídia (cifras não resolvidas, problemas de matemática) para criar hype, impulsionar avaliações e enquadrar benchmarks.
- Outros defendem tais demonstrações como avaliações valiosas do progresso do modelo quando benchmarks padrão estão saturados.
- Preocupações mais amplas incluem: comoditização da expertise, deslocamento de empregos, concentração de poder/riqueza, custo ambiental da computação e a possibilidade de que a inteligência tenha se tornado “algo que você pode comprar com eletricidade”.